摘要 | 第3-4页 |
ABSTRACT | 第4-5页 |
1 绪论 | 第9-14页 |
1.1 研究背景与研究意义 | 第9页 |
1.2 国内外研究现状 | 第9-11页 |
1.2.1 国外研究现状 | 第9-11页 |
1.2.2 国内研究现状 | 第11页 |
1.3 本文的主要工作 | 第11-12页 |
1.4 论文的组织结构 | 第12-14页 |
2 文本聚类相关技术 | 第14-25页 |
2.1 文本聚类的定义及其特点 | 第14-15页 |
2.1.1 文本聚类的定义 | 第14-15页 |
2.1.2 文本聚类任务的特点 | 第15页 |
2.2 文本预处理 | 第15-17页 |
2.2.1 文本分词 | 第16页 |
2.2.2 去除停用词 | 第16-17页 |
2.3 文本表示模型 | 第17-18页 |
2.3.1 向量空间模型 | 第17页 |
2.3.2 布尔模型 | 第17-18页 |
2.3.3 概率模型 | 第18页 |
2.4 文本特征项的权值计算 | 第18-19页 |
2.4.1 词频(TF)方法 | 第18页 |
2.4.2 倒排文档频率(IDF)方法 | 第18-19页 |
2.4.3 TF*IDF 方法 | 第19页 |
2.5 文本特征集的缩减 | 第19-21页 |
2.5.1 潜在语义分析 | 第19-20页 |
2.5.2 互信息 | 第20页 |
2.5.3 信息增益 | 第20页 |
2.5.4 χ~2(CHI)统计量 | 第20-21页 |
2.6 常用文本聚类算法 | 第21-23页 |
2.6.1 基于划分的方法 | 第21页 |
2.6.2 基于层次的方法 | 第21-22页 |
2.6.3 基于密度的方法 | 第22页 |
2.6.4 基于网格的方法 | 第22-23页 |
2.6.5 基于模型的方法 | 第23页 |
2.7 文本聚类效果评价标准 | 第23-24页 |
2.8 本章小结 | 第24-25页 |
3 半监督聚类算法的研究 | 第25-37页 |
3.1 半监督学习 | 第25-28页 |
3.1.1 半监督学习的研究背景 | 第25-26页 |
3.1.2 半监督学习的基本原理 | 第26-27页 |
3.1.3 半监督学习的基本假设 | 第27-28页 |
3.1.4 半监督学习的主要分类 | 第28页 |
3.2 半监督聚类 | 第28-36页 |
3.2.1 半监督聚类的定义 | 第28-29页 |
3.2.2 半监督聚类的分类 | 第29-31页 |
3.2.3 半监督聚类的相似性度量 | 第31-33页 |
3.2.4 几种常见的半监督聚类算法 | 第33-36页 |
3.3 本章小结 | 第36-37页 |
4 基于成对约束的主动半监督文本聚类 | 第37-45页 |
4.1 主动学习策略简介 | 第37页 |
4.2 主动选取成对约束的方法 | 第37-40页 |
4.2.1 成对约束监督信息的作用 | 第37-38页 |
4.2.2 主动选取成对约束的方法 | 第38-40页 |
4.3 基于成对约束的竞争凝聚算法 | 第40-43页 |
4.3.1 竞争凝聚算法简介 | 第40-41页 |
4.3.2 基于成对约束的竞争凝聚算法 | 第41-43页 |
4.4 基于成对约束的主动半监督文本聚类方法 | 第43-44页 |
4.5 本章小结 | 第44-45页 |
5 实验结果与分析 | 第45-59页 |
5.1 实验环境介绍及实验平台设计 | 第45-48页 |
5.1.1 实验环境介绍 | 第45页 |
5.1.2 实验平台设计 | 第45-48页 |
5.2 文本聚类实验平台的实现 | 第48-53页 |
5.2.1 文本预处理模块 | 第48-49页 |
5.2.3 特征项权值计算模块 | 第49-50页 |
5.2.4 特征集缩减模块 | 第50页 |
5.2.5 成对约束选取与半监督文本聚类模块 | 第50-52页 |
5.2.6 聚类结果评价及输出模块 | 第52-53页 |
5.3 实验结果及分析 | 第53-57页 |
5.3.1 语料库介绍 | 第53页 |
5.3.2 实验结果评价标准 | 第53-54页 |
5.3.3 实验结果与分析 | 第54-57页 |
5.4 本章小结 | 第57-59页 |
6 总结与展望 | 第59-61页 |
6.1 总结 | 第59页 |
6.2 展望 | 第59-61页 |
致谢 | 第61-62页 |
参考文献 | 第62-65页 |
附录 | 第65页 |
A. 作者在攻读学位期间发表的论文目录 | 第65页 |
B. 作者在攻读学位期间取得的科研成果目录 | 第65页 |